数量生态学冗余分析（RDA）分析植物多样性物种数据结果可视化|数据分享

相关视频

本报告对植物生态多样性数据做了分析。

冗余分析

首先，加载数据。

要加载数据，所有文件都必须在工作目录中。

ste <- read.csv("sr.csv")

ev <- read.csv("ev.csv")

as <- read.csv("as.csv")

我对数据做了一些修改。首先，我将ev数据的所有定量变量（即除地貌单元外的所有变量）与as数据组合成一个名为enqut. 然后，我对数据进行了归一化， 允许非常不同单位的变量之间进行比较。最后，我在归一化的定量环境变量中添加了地貌单元列，创建数据框era，用于冗余分析。

enqut<- cbind(ev\[,-5\],ap)

enz <- scale

ut <- env\[,5\]

era<- data.frame结构数据

我使用环境数据era作为解释变量对植被结构进行了冗余分析。我将结果分配给对象str。

summary(str)

然后我得到了这个分析的 R 方和调整后R 方。

RsquareAdj

RsqeAdj$adj.r.sqd

制作三序图。

par

plot

points

usc <- scores

points

text

成分数据

首先我加载了物种数据。同样，该文件PAl.csv必须在工作目录中。为了降低大丰度的重要性，我将 Hellinger 转换应用于物种数据。

sp <- Hellinger(sp)

然后我使用所有环境变量作为解释变量进行了冗余分析。

head(suda)

#  获得R^2和调整后的R^2

(sR2 <- RseAdj

(spdj <- RseAdj$adj.r.sed)

以2型标尺 对物种数据制作 RDA三序图。

# 做好绘图空间

par

plot

# 绘制站点的分数

spc <- scores

points

# 绘制出物种的分数

ssc <- scores

points

# 绘制定量解释变量的箭头和它们的标签

spesc <- scores

arrows

env.names

text

# 绘制地貌单元中心点和它们的标签的绘图点

spsc <- scores

points

text